Banca de DEFESA: JEAN PAES LANDIM DE LUCENA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : JEAN PAES LANDIM DE LUCENA
DATA : 05/09/2026
HORA: 10:00
LOCAL: https://meet.google.com/oif-vmxf-gap
TÍTULO:

AVALIAÇÃO DECOMPOSTA DE UMA ARQUITETURA RAG MULTIMODULAR PARA APOIO À DECISÃO CLÍNICA EM DOENÇAS INFECCIOSAS E ENFRENTAMENTO À RESISTÊNCIA ANTIMICROBIANA

PALAVRAS-CHAVES:

Resistência antimicrobiana; Grandes modelos de linguagem; Geração aumentada por recuperação; Métricas de Geração Aumentada por Recuperação; Sistemas de apoio à decisão clínica; Doenças infecciosas.

PÁGINAS: 127
RESUMO:

A resistência antimicrobiana figura entre as maiores ameaças à saúde pública contemporânea, com estimativas de cerca de 10 milhões de óbitos anuais até 2050, e a prescrição inadequada de antibióticos, sobretudo na atenção primária, está entre suas causas evitáveis. Tal inadequação decorre, em boa medida, da sobrecarga dos serviços de saúde e do ritmo de atualização dos protocolos terapêuticos, cenário em que grandes modelos de linguagem vêm sendo propostos como apoio à decisão clínica; falta, porém, evidência que distinga o que essas ferramentas devem à consulta a documentos oficiais daquilo que já trazem memorizado do pré-treinamento, sobretudo em português e sobre os protocolos do Sistema Único de Saúde. Este trabalho propõe e avalia uma arquitetura RAG multimodular de apoio à decisão clínica em doenças infecciosas, com o propósito de decompor a contribuição da recuperação, aferir a confiabilidade da confiança declarada e localizar a origem dos erros nos módulos do sistema. Foram indexados 20 documentos oficiais do Ministério da Saúde em repositório vetorial ChromaDB, segmentados em 1.918 trechos de até 1.500 caracteres e recuperados por via semântica e lexical (top-K = 5), com reordenação por cross-encoder multilíngue e uma camada de salvaguardas clínicas de regras auditáveis para escopo, emergência e ancoragem da resposta. A avaliação, pareada por questão, cobre 135 questões de múltipla escolha do REVALIDA (2020–2025) submetidas a cinco modelos de linguagem sob decodificação determinística, em braços de contexto sucessivos: sem recuperação, com recuperação híbrida com e sem reordenação, com contexto irrelevante e, em subamostra de 38 questões com padrão-ouro anotado, com contexto oráculo. O sistema alcançou 70,60% de acurácia média, acima dos 59% exigidos para aprovação de médicos no exame, e a recuperação híbrida elevou o Recall@5 a nível de trecho de 52,6% para 71,1% (p = 0,016). O ganho sobre a condição sem contexto, de 1,64%, não se distingue do acaso (IC 95% de −2,24% a +5,52%), ao passo que o contexto irrelevante degradou o desempenho em 3,13%, resultado que demonstra ser o instrumento sensível a efeitos de contexto. Restrita às questões que a base comprovadamente cobre, a recuperação rendeu 7,37% ante um teto de 10,00% sob contexto oráculo, capturando 73,7% do ganho disponível. A métrica usual, aferida a nível de documento, superestimou a qualidade da recuperação em até 26,3% e chegou a inverter a ordenação entre estratégias; a confiança declarada mostrou-se sistematicamente superconfiante; e a taxonomia dos erros atribuíveis apontou predomínio da falha de fundamentação (23 de 56) sobre a falha de recuperação (18). O trabalho entrega um arcabouço de avaliação reprodutível, em português e sobre protocolos oficiais, observou-se que o teto de desempenho é imposto pela cobertura do corpus e pela fundamentação da resposta, não pelo mecanismo de busca, de modo que a curadoria da base e a ancoragem verificável (e não a acurácia agregada, saturada pela memória paramétrica dos modelos) discriminam aprimoramentos e devem governar a decisão de responder ou de se abster em um sistema clínico.

MEMBROS DA BANCA:
Externo à Instituição - Icaro Boszczowski - USP
Presidente - 3884005 - PATRICK CESAR ALVES TERREMATTE
Externo ao Programa - 3492344 - SILVAN FERREIRA DA SILVA JUNIOR - nullInterno - 3063244 - TETSU SAKAMOTO